CLIP駆動のドメイン汎化とドメイン適応：包括的なサーベイ

科学分野:

• 人工知能
• 機械学習
• コンピュータビジョン

背景:

• ドメイン汎化（DG）とドメイン適応（DA）は、多様な環境におけるAIモデルの堅牢性にとって不可欠です。
• 対照言語画像事前学習（CLIP）は、未知のドメインに対して強力なゼロショット機能を提供します。
• DGとDAにおけるCLIPの役割に関する体系的なレビューが必要です。

研究 の 目的:

• CLIP駆動のDGとDAの統一的かつ詳細な概要を提供します。
• DG/DAシナリオ（ソースアクセス可能性、数、ラベル関係）の分類法を確立します。
• 既存の研究を統合し、研究のギャップを特定します。

主な方法:

• DG手法の分類：プロンプト最適化とCLIPバックボーンアーキテクチャ。
• DAアプローチの検討：ソース利用可能およびソースフリー、知識移転に焦点を当てる。
• DGとDAの統合されたトレンド分析、パターンと原則の特定。

主要な成果:

• CLIPは、転移可能な特徴とゼロショット機能を提供することにより、DGとDAを大幅に強化します。
• 構造化された分類法は、多様なDG/DAシナリオの理解を助けます。
• トレンド分析は、方法論的原則とシナリオ依存の動作を明らかにします。

結論:

• このサーベイは、CLIPベースのDG/DA研究を統合し、実務家向けの洞察を提供します。
• デプロイメント、LLM統合、解釈可能性、破滅的忘却などの課題を特定します。
• スケーラブルで信頼性の高いCLIPベースのDG/DAシステムのための将来の方向性を示します。